政府科技投入提升绿色全要素生产率效果测评

2020-06-21文圆危怀安王巧

中国房地产·学术版 2020年4期

文圆危怀安王巧

摘要：提升绿色全要素生产率是新常态下实现经济可持续发展的关键，政府科技投入在城市绿色发展过程中至关重要。然而，现有文献鲜有实证其对城市绿色全要素生产率的实际驱动效应。以长江经济带沿线城市为例，选取政府科技投入作为自变量，基于非期望产出的SBM模型测算出的绿色全要素生产率为因变量，通过构建面板固定效应模型实证政府科技投入对城市绿色全要素生产率的驱动效应。实证结果表明：在控制一系列其他因素影响的前提下，政府科技投入显著提升了城市绿色全要素生产率，政府每增加一个单位的投入，绿色全要素生产率会提升2.2%，据此提出了相应对策建议。

关键词：政府科技投入;绿色全要素生产率;长江经济带;面板数据;动态系统GMM

中图分类号：F293

文献标识码：B

文章编号：1001-9138-（ 2020） 04-0054-61

收稿日期：2020-01-03

1引言

在环境约束日趋从紧的经济新常态下，基于非期望产出的绿色全要素生产率成为实现环境与经济协同发展的关键，全面提升绿色全要素生产率在政界与学界已逐渐达成共识。而如何提升绿色全要素生产率是发挥其关键作用的落脚点，学界对此进行了一系列探讨，如卞元超等（ 2018）探讨了财政双重分权与绿色全要素生产率之间的关系，认为通过空间溢出效应，财政收入分权间接正向显著影响绿色全要素生产率，财政支出分权借由地方政府竞争激励促进绿色经济增长质量。弓嫒嫒（ 2018）研究不同环境规制类型对绿色经济效率差异化影响，建议环境规制强度应当控制在适宜的区间，以最大限度提高绿色经济增长质量。而伍格致等（ 2019）运用空间计量模型检验发现财政分权、环境规制与绿色要素生产率的三者之间存在复杂关系，在具体实施过程中应将两者结合起来。张治栋等（ 2018）则从产业集聚视角出发，探讨了不同类型的产业集聚对绿色全要素生产率的非线性影响。还有部分学者从地方官员治理（刘玉海，2018）、节能减排（王兵等，2015）等视角出发，提出提升绿色全要素生产率，实现环境保护与经济增长双赢的对策。纵观现有文献，学界虽对绿色全要素生产率给予了足够关注，但鲜有学者关注政府科技投入在这过程中扮演的角色。

事实上，政府科技投入作为政府政策支持经济发展的重要组成部分，能够在理论上驱动城市绿色全要素生产率提升的机制在于：一方面，通过释放政策信号，既能将产业发展重心引导在高新技术产业、新能源产业等前沿产业的方向上，促进高科技产业发展，提升创新能力;同时发挥杠杆作用，诱导其他主体如企业资金、民间资金以及金融机构资金的投入，实现创新资金供给与资金来源的多元化。两者共同推动了城市产业结构转型和技术创新能力提升，有助于绿色全要素生产率提升。另一方面，通过人力资本拉动效应，吸引高科技人才和鼓励人才创新活动，为经济绿色增长提供智力支撑。而在实际推行过程中，有学者指出政府科技投入会对其他主体的创新投入产生挤出效应，过于依赖政府财政支持会降低创新主体的积极性，不利于城市绿色全要素生产率的提高。

面对政府科技投入对城市绿色全要素生产率提升应然与实然之间可能存在的矛盾，基于大样本的视角实证政府科技投入的实际驱动效果，对正确认识政府科技投入在城市经济发展过程中扮演的角色至关重要。基于此，本文以长江经济带108个城市2003-2016年面板数据为例，通过动态系统CMM模型实证政府科技投入对城市绿色全要素生产的实际效果，引入OLS回归模型进行稳健性检验。

本文以下部分按照“研究假设提出——样本区概况——研究设计——基准回归分析——稳健性检验——对策建议”的思路对政府科技投入与绿色全要素生产率之间的关系进行一一阐释。

2政府科技投入驱动绿色全要素生产率提升的作用机理

内生增长理论认为技术进步是推动经济持续增长的关键变量。政府科技投入通过将资金向科技创新、环境治理方向倾斜，依据城市实际发展条件和需求，将优势创新资源集中配置到城市优势产业，提升城市整体生产率，为绿色经济增长提供新动能。搭建科技创新公共服务平台，密切创新主体交流合作，支持科技创新发展项目，协助攻克关键性重大技术难题，为创新主体注入公营事业支持力量，发挥政策驱动效应，提升区域创新能力。此外，政府科技投入具有对企业创新投入的“引导效应”。技术创新投入的增加不仅向企业内部释放政策信号，受政策驱动效应影响的企业不断加大研发力度，创新企业资源利用方式，不仅可以减弱对传统粗放型经济增长方式的路径依赖，努力朝绿色技术创新方向转变，技术进步加速实现绿色产品创新，进而推动产业结构转型升级和绿色全要素生产率提升。就企业外部而言，政府科技投入的增加也可能间接向融资机构释放政策信号，融资机构降低企业贷款门槛，增加对企业的贷款额度，新的资金流有效缓解企业研发活动的融资压力。内一外合力推动企业绿色研发和技术创新，城市绿色全要素生产率得以有效提升。

3研究区样本概况

依托黃金水道建设长江经济带是我国区域发展重要战略，范围涵盖九省二市，由东至西依次为上海市、江苏省、浙江省、安徽省、江西省、湖北省、湖南省、重庆市、贵州省、四川省和云南省，共108个城市（不包括自治州和县级市），涉及长江三角洲城市群、长江中游城市群、成渝城市群三大城市群。长江经济带互通南北、融贯东西，挖掘需求，以下游带动中上游，推动区域协调发展。加强对长江经济带的理论研究和实证分析，旨在激发巨大潜力，为加快推进经济转型升级和环境保护发展，让黄金水道释放“黄金效应”。

长江是中华民族的母亲河和重要生态保障，长江经济带沿线城市数量多、人口集聚，又因丰富的自然资源储量而成为产业承载区。长江经济带绿色发展就是要把握好长江经济带环境保护、生态文明建设与经济发展的关系，处理好绿水青山与金山银山的关系，守住生态位优先的底线，探索绿色发展新路子。以长江经济带作为研究样本，探索长江经济带绿色全要素生产率的牵引力具有突出现实意义，同时也可为培育长江经济带发展新动能、打造竞争新优势提供数理依据。剖析政府科技投入之于长江经济带绿色全要素生产率的影响可为政策制定者提供理论参考。

4实证研究设计

4.1研究方法与模型设计

为了验证政府科技投入对城市绿色全要素生产率的影响，本文基于长江经济带108个城市2003-2016年的动态面板数据来构建实证分析模型。值得注意的是，面板数据虽能较好解决遗漏变量问题，但是使用单纯的面板数据构建固定效应模型，仍可能存在内生性问题。在本文中，长江经济带沿线各城市的绿色全要素生产率不仅受对外开放水平、人力资本水平等因素影响，还受该城市上一年度绿色全要素生产率的影响，绿色发展效率高低而地方往往存在一种发展惯性，其后的绿色全要素生产率会在此基础上有更大的提升空间，这种绿色发展动态行为的存在，使得我们在考虑绿色全要素生产率影响因素时容易将上一年度该地区的绿色发展水平遗漏，进而放在了模型的随机扰动性中，导致内生性问题的存在。实践中，内生性问题的存在将导致估计系数有偏，从而难以准确估计科技投入对绿色全要素生产率的真实影响。

为了解決内生性问题，本文选用动态面板系统CMM模型进行估计，将绿色全要素生产率滞后一期作为工具变量纳入到模型中进行回归，以便解决遗漏变量导致的内生性问题，更好地考察变量之间的动态效果。动态模型基本形式如下：

GTFPi，t=α+βikjtrt，r+ β2lagGTFP，l+λcontroli，t+At+ Tt+εi，t

在上式中，GTFP为因变量，表示i城市第t年绿色全要素生产率，本文采用基于非期望产出的SBM模型测算。kjtr为核心自变量，表示城市i第t年政府科技投入状况，本文利用政府科技投入强度，即科技投入占政府预算内收入的比重来衡量。LagGTFP为滞后一期的城市绿色全要素生产率。controli，t为一系列控制变量，其中包括城市产业结构、对外开放水平、人力资本水平等变量。B1为科技投入对城市绿色全要素生产率影响的系数，λ为相应控制变量的系数;Ai和Tt分别表示个体固定效应和时间固定效应，εit是随个体与时间变化的扰动项。

4.2变量测量

4.2.1因变量：绿色全要素生产率

当前，学界对绿色全要素生产率的测量主要体现在选取不同的投入产出指标，以及采用不同的测量方法上。在选取指标上，钱龙（ 2018）选取工业废水排放量、工业二氧化硫排放量、工业烟尘排放量作为环境投入指标，经济价值产出指标则选用城市工业总产值进行衡量。彭衡等（ 2019）选取了资本存量、就业人员、能源消费量（万吨标准煤）作为要素投入，采用GDP为期望产出指标，S02和COD为非期望产出指标。在测度绿色全要素生产率的方法上，学者主要基于DEA数据包络分析方法为代表的非参数分析方法和以SFA随机前沿生产函数分析为代表的参数分析方法。综合当前学者的指标选取与方法选择上的优缺点，本文选取了基于非期望产出的SBM模型，从投入产出视角测度长江经济带绿色全要素生产率，其中，投入测度指标包括人力投入、资本投入、能源投入。具体来说，人员投入指标选用R&D人员折合全时当量和环保行业从业人员数量之和作为表征变量，资本投入指标选用环境污染治理费作为表征变量，能源投入指标选用能源消费总量作为表征变量。产出测度指标包括期望产出和非期望产出。其中期望产出指标选用发明专利数、新产品销售收入。非期望产出指标采用工业废气排放总量、工业废水排放总量、工业固体废弃物产生总量进行衡量。变量选取与测度指标如表1所示。

4.2.2核心自变量：政府科技投入

政府科技投入反映政府对科技创新活动的支持。对政府科技投入的衡量有绝对指标和相对指标。政府科技投入属于地方财政预算的部分，与地方经济发展水平直接相关，长江经济带区域经济发展不平衡的情境下使用绝对指标存在一定局限性，而相对指标即政府科技投入强度更符合本文研究意图，因此选用政府科技投入占GDP的比重表征政府科技投入强度，作为政府科技投入的代理变量。

4.2.3控制变量：其他影响绿色全要素生产率的指标

本文在借鉴现有文献基础上，选取了对外开放水平、人力资本水平、产业结构、城市化水平作为控制变量。具体来说：A.对外开放水平。FDI技术溢出具有示范效应和关联效应，对绿色创新产生正向影响。本文使用外商直接投资在GDP中所占比重衡量对外开放水平。B.人力资本水平。人力资本是区域创新能力的重要载体，本文使用普通高等院校师生比表征人力资本水平。C.产业结构。产业结构的差异导致经济发展与生态保护协同发展程度不一，直接影响城市绿色全要素生产率。如产业结构优越地区的第三产业产值所占比重大、贡献高，产生的碳排放总量也较少，实现了绿色经济增长。本文使用第二产业、第三产业的工业增加值占GDP的比重表征产业结构等指标为控制变量。

4.3数据来源

本文旨在探讨政府科技投入对城市绿色全要素生产率的影响，基于数据完整性和可得性，选取长江经济带上108个城市2003-2016年的动态面板数据实证政府科技投入的驱动效果。因变量、自变量以及各控制变量均来自于《中国统计年鉴》《中国科技统计年鉴》《中国工业企业经济统计年鉴》《中国城市统计年鉴》《中国能源统计年鉴》和各省市统计年鉴。缺失数据采用均值法补充。表2显示了各变量的描述性统计分析，囊括了相关变量的最大值、最小值、均值和标准差等情况。由表2描述性分析可知，长江经济带1 08个城市绿色全要素生产率平均值为0.2000786，整体水平较低，表明长江经济带绿色全要素生产率还有较大进步空间。且绿色全要素生产率最大值与最小值之间差距较大，说明长江经济带沿线城市绿色发展效率存在显著差异，区域发展不平衡，需要切实推进区域协调发展战略，区域间密切联系，实现资源优势互补。政府科技投入强度平均值为0.2058121，显示出政府科技投入占政府预算内收入占比不高，科技创新领域在政府资源配置过程中份额不大，并非处于优先序列。

5实证结果分析

5.1基准回歸结果

本文通过运行stata 14软件，运用动态系统GMM方法测评政府科技投入对城市绿色全要素生产率的提升效果。考虑到上一期城市绿色全要素生产率可能影响下一期绿色全要素生产率，将上期的城市绿色全要素生产率引入模型中作为弱工具变量进行回归。在使用动态面板系统GMM之前，本文首先对面板数据的多重共线性、异方差以及单位根等方面进行检验，检验结果表明变量之间不存在多重共线性问题，亦不存在单位根问题，而存在异方差问题，为解决异方差问题，本文在进一步回归时统一用稳健标准误。再则，本文对所采用方法的合理性进行检验，并通过过度识别检验获取最佳滞后期期数，检验结果表明系统CMM合理，而只有当因变量滞后两期时，Sargan检验才能通过所有工具变量都有效的原假设，故本文引入因变量一阶滞后和二阶滞后为工具变量。

表3为采用动态面板系统GMM方法估计政府科技投入对城市绿色全要素生产率的实际效果影响，本文采用逐步回归法，以分步加入控制变量的形式进行回归。由表3所示，模型（1）不加入任何控制变量测评政府科技投入对城市绿色全要素生产率的提升效果。其次，再依次将控制变量对外开放水平、人力资本水平、产业结构放人模型（2）、模型（3）、模型（4），得到政府科技投入对城市绿色全要素生产率的影响系数。模型（5）则在考虑所有控制变量的前提下，实证分析政府科技投入对城市绿色全要素生产率的影响。模型（5）结果显示影响系数为（.022**+）。即政府科技投入每增加1个单位科技投入，城市绿色全要素生产率将相应地提升2.2个单位，且这种影响在0.001的水平上显著。滞后一期和滞后两期的绿色全要素生产率数值分别为（.700***）和（167***），滞后一期绿色全要素生产率明显高于滞后两期的绿色全要素生产率，说明随着时间的推移，政府科技投入对绿色全要素生产率的影响逐渐变小。由结果可知，对外开放水平负向影响城市绿色全要素生产率。原因可能在于FDI依靠其技术先发优势、先进的管理营销手段、优惠政策向外资企业倾斜等先发优势，加剧本土企业在竞争中处于劣势地位的状况，以此形成挤出效应，抑制国内资本的生成，进而影响城市绿色全要素生产率。产业结构对城市绿色全要素生产率具有正向促进作用。传统以第二产业为主的粗放型产业结构拉动城市经济增长的同时让城市环境付出巨大的代价，第三产业比重伴随减排降耗去产能的行动逐渐提升，遵循协同城市绿色经济增长与环境保护的关系，为城市绿色全要素生产率带来正向促进作用。

5.2稳健性检验

本文在动态系统GMM模型基础上，还采取了几项稳健性检验以确保回归结果的合理性和准确性。首先，更换估计方法，分别采用混合效应模型和面板数据随机效应模型进行估计，回归结果如表4模型（1）所示。OLS回归模型显示政府科技投入与城市绿色全要素生产率呈现正相关关系，且在0.001的水平上显著，影响系数为（.107***）。其次，增加控制变量城市化水平。模型（2）加入城市化水平作为新的控制变量，回归结果显示政府科技投入正向驱动城市绿色全要素生产率。最后，剔除异常值检验（运用系统GMM）。剔除长江经济带1 08个城市中所有省会城市的数据进行稳健性检验，模型（3）和模型（4）回归结果依旧与上文研究结论一致。

6结论与启示

6.1结论

本文选取长江经济带108个城市2003-2016年的动态面板数据实证政府科技投入的驱动效果。研究发现，政府科技投入对长江经济带绿色全要素生产率具有显著驱动效应。采用系统GMM模型并在控制一系列其他因素影响的前提下，政府科技投入显著提升了城市绿色全要素生产率，影响系数为（.022***）。即政府每增加1个单位的投入，绿色全要素生产率会提升2.2%。为确保回归结果的合理准确性，通过更换估计方法、增加控制变量、剔除异常值实现稳健性检验，检验结果依旧与上文研究结论一致。

6.2启示

据以上研究结果，本文给出如下相应政策建议：第一，加大政府支持力度。一方面，增加政府科技投入强度，政府可以通过设立科技创新引导基金，或以政策补贴、补助等方式给予必要的财政支持。同时发挥公共服务和宏观调控职能，搭建科技创新平台提升区域科技创新能力，政策引导其他主体的科技投入、法规管制创新主体资源利用方式，处理好经济发展与环境保护关系，鼓励向绿色技术创新、绿色流程创新、绿色产品创新等绿色行为范式转变，驱动区域绿色全要素生产率提升。第二，政府积极贯彻实施绿色可持续发展战略，营造良好的创新创业、绿色发展氛围，助推产业结构向合理化和高级化方向转变。严控企业污染物排放，超额完成的企业授予“绿色企业”等称号，对绿色发展置之不顾的企业加以生产管制和适当罚款。产业结构方式直接决定城市经济增长方式，绿色经济增长质量的提升依赖于经济增长和生态效率的统一，以生态环境为代价的经济增长不是绿色经济增长所需要的。因此，创新产品生产方式，逐渐降低高污染物排放的产业所占比重，鼓励积极发展服务业和生态产业。第三，推行因“城”而异的绿色经济增长模式。依据城市行政级别、区域位置和资源禀赋情况，因地制宜，建立城市绿色经济增长极，驱动经济高质量发展。

参考文献：

1.卞元超宋凯艺白俊红，双重分权、竞争激励与绿色全要素生产率提升，产业经济评论.2018.03

2.弓媛媛.环境规制对中国绿色经济效率的影响——基于30个省份的面板数据的分析.城市问题.2018.08

3.伍格致游达明.环境规制对技术创新与绿色全要素生产率的影响机制——基于财政分权的调节作用.管理工程学报.2019.01

4.张治栋秦淑悦，产业集聚对城市绿色效率的影响——以长江经济带108个城市为例.城市问题.2018.07

5.刘玉海赵鹏.地方官员治理与城市绿色增长.经济学报.2018.5 （04）

6.王兵刘光天.节能减排与中国绿色经济增长——基于全要素生产率的视角，中国工业经济.2015.05

7.芦锋李曼宁.政府R&D资金对高技术产业科技创新的影响，中国行政理.2018.09

8.马海涛蔡杨赫晓婧，财政科技支出是否促进了中国工业企业创新7.经济与管理评论.2019.35 （05）

9.白洁夏克郁.政府干预、区域差异与绿色经济效率测度——基于长江经济带107个地级及以上城市的数据.江汉论坛.2019.07

10.寇铁军马大勇.我国政府科技投入对企业R&D投入引导效应的实证分析，地方财政研究.2013.10

11.马海涛蔡杨郝晓婧.财政科技支出是否促进了中国工业企业创新？经济与管理评论.2019.05